„Uber“ ChatGPT Work diegia visiems daugiau nei 30 tūkst. darbuotojų: 80 proc. pilotinių naudotojų buvo ne programuotojai

„Uber“ nusprendė agentinį dirbtinį intelektą išplėsti visoje organizacijoje. Bendrovė kartu su „OpenAI“ paskelbė, kad „ChatGPT Work“ bus prieinamas daugiau nei 30 tūkst. darbuotojų visame pasaulyje.

Reklama

Tai vienas didžiausių iki šiol viešai paskelbtų visos bendrovės masto agentinio DI diegimų.

Viskas prasidėjo nuo 1 000 darbuotojų

Pradinis pilotas apėmė apie 1 000 žmonių skirtinguose padaliniuose.

Svarbi detalė – apie 80 proc. aktyviausių pilotinių naudotojų buvo ne programuotojai.

Darbuotojai DI naudojo sudėtingų duomenų analizei, rekomendacijų rengimui, mokymų lokalizavimui, interaktyvių ataskaitų kūrimui ir kasdienio darbo automatizavimui.

Tai rodo, kad agentinis DI nebėra vien IT komandų įrankis.

„ChatGPT Work“ jungiasi prie įmonės sistemų

Platforma gali veikti su tokiais įrankiais kaip „Google Drive“, „Gmail“, „Google Calendar“ ir „Slack“.

Tai leidžia agentui ne tik atsakyti į klausimą, bet ir surinkti informaciją iš skirtingų sistemų bei pateikti galutinį darbo rezultatą.

Tokiu būdu DI tampa artimesnis skaitmeniniam kolegai nei tradiciniam pokalbių robotui.

„Uber“ dar tik matuos realią grąžą

Bendrovė viešai neatskleidė, kiek kainuoja toks diegimas.

„Uber“ planuoja stebėti, kokius procesus darbuotojai automatizuoja, kaip keičiasi darbo našumas, kokios užduotys pasiteisina labiausiai ir kokie naudojimo scenarijai išplinta tarp komandų.

Tai svarbus požiūris verslui – DI investicija turi būti vertinama ne pagal tai, kiek darbuotojų gauna licenciją, o pagal konkrečius rezultatus.

Ką tai reiškia kitoms įmonėms?

„Uber“ pavyzdys rodo, kad masinis DI diegimas gali prasidėti nuo nedidelio piloto.

Logika paprasta: atrenkamos skirtingos komandos, leidžiama eksperimentuoti, surenkami geriausi scenarijai, jie standartizuojami, o tada sprendimas plečiamas.

Ką tai reiškia Lietuvos verslui?

Lietuvos bendrovėms nebūtina turėti 30 tūkst. darbuotojų.

Net 10–50 žmonių įmonėje galima pasirinkti kelis pasikartojančius procesus ir patikrinti, ar DI sutaupo realias darbo valandas.

„Uber“ istorija svarbi tuo, kad patvirtina platesnę tendenciją: didžiausias DI produktyvumo efektas gali būti ne programavime, o kasdieniuose finansų, rinkodaros, operacijų, analizės ir administravimo darbuose.

Šaltiniai: OpenAI; TechCrunch.